что такое тензор простыми словами

Что такое тензор?

Jun 22, 2020 · 3 min read

Концепция тензора была создана в 1900 году двумя итальянскими математиками — Туллио Леви-Чивита и Грегорио Риччи-Курбастро, и, как это обычно бывает, основывалась на работе других математиков. Страница в Википедии о тензорах начинается так:

Звучит непросто для тех, кто не разбирается в математике!

К счастью, на практике намного проще понять, что такое тензор и как он используется в науке о данных.

Я предпочитаю изображать тензор в виде в л оженных “списков” чисел с любым количеством “уровней”. Другой способ представления: ячейка в электронной таблице Excel, содержащая все данные из другой таблицы. Во второй таблице каждая ячейка связана с другой таблицей и так далее. Каждую таблицу можно рассматривать как дополнительное “измерение”.

Тензор первого порядка имеет только одно измерение. В компьютерных науках это можно назвать вектором или упорядоченным набором чисел. Тензор второго порядка будет матрицей, как электронная таблица в Excel, то есть двумерным. С ростом числа измерений можно рассматривать информацию как векторы, матрицы или массивы, вложенные в массивы, с любым числом измерений ( n-мерные).

Вот как можно представить тензор третьего порядка:

Каждая из групп верхнего уровня значений представлена разным цветом. В этом примере цифры каждого значения соответствуют конкретной ячейке значения в общей структуре данных. Крайняя правая цифра каждого значения соответствует группе верхнего уровня, к которой она относится. Все значения красного цвета находятся в группе верхнего уровня номер 1, зелёные — в группе номер 2 и голубые в группе номер 3.

Каждая группа верхнего уровня является матрицей (двумерной). Крайняя левая цифра каждого значения соответствует строке, в которой находится, а средняя цифра — столбцу. Таким образом сохраняется порядок всех значений, что позволяет нам выполнять вычисления на всей структуре, используя другие векторы, матрицы или массивы.

Вот та же структура, содержащая другую информацию:

Каждая буква отображает уникальное положение в структуре; та же цветовая кодировка используется для разграничения матриц верхнего уровня.

Более сложная визуализация возможна с трёхмерным кубом. Каждый вертикальный уровень такого куба будет содержать данные одной из групп верхнего уровня, создавая куб 3x3x3 с 27 уникальными местоположениями. Но возможность визуализировать тензор при помощи графики исчезает, как только мы выходим за пределы трёх измерений.

Из-за этого ограничения давайте рассмотрим, как можно закодировать те же данные, используя компьютерное ПО. С помощью Python и Numpy создадим массив числовых данных из первого примера:

При таком кодировании нам доступно любое количество измерений, что имеет колоссальное значение при работе с гигантскими объёмами сложных данных!

Я надеюсь, у меня получилось объяснить, что, как минимум в машинном обучении, тензоры могут быть представлены в виде вложенных массивов.

Источник

Тензор

Часто тензор представляют как многомерную таблицу , заполненную числами — компонентами тензора (где — размерность векторного пространства, над которым задан тензор, а число сомножителей совпадает с т. н. валентностью или рангом тензора). Важно, что такое представление (кроме тензоров валентности ноль — скаляров) возможно только после выбора базиса (или системы координат): при смене базиса компоненты тензора меняются определённым образом.

Сам тензор как «геометрическая сущность» от выбора базиса не зависит, что можно наглядно видеть на примере вектора, являющегося частным видом тензора: компоненты вектора меняются при смене координатных осей, но сам вектор — образом которого может быть просто нарисованная стрелка — от этого не изменяется.

Содержание

Определения

Современное определение

Тензор ранга над -мерным векторным пространством есть элемент тензорного произведения пространств и сопряжённых пространств (то есть пространств линейных функционалов (ковекторов) на )

Сумма чисел называется валентностью тензора (её также часто называют рангом). Тензор ранга также называется раз ковариантным и раз контравариантным.

Тензор как полилинейная функция

Точно так же как ковариантный тензор ранга можно представлять как линейный функционал, тензор ранга удобно представлять себе как функцию от векторных аргументов , которая линейна по каждому аргументу (такие функции называются полилинейными), то есть для любой константы из поля (над которым определено векторное пространство)

В том же ключе, тензор произвольного ранга представляется полилинейным функционалом от векторов и ковекторов:

Компоненты тензора

Выберем в пространстве базис , и соответственно — дуальный базис в сопряжённом пространстве (то есть , где — символ Кронекера).

Тогда в пространстве тензоров естественным образом возникает базис

.

Произвольный тензор можно записать как линейную комбинацию базисных тензорных произведений:

Используя соглашение Эйнштейна это разложение записывается как

Числа называются компонентами тензора . Нижние индексы компонент тензора называются ковариантными, а верхние — контравариантными. Например, разложение некоторого дважды ковариантного тензора будет таким:

Если определить тензор как полилинейную функцию, то его компоненты определяются значениями этой функции на базисе :

О классическом определении

Классический подход к определению тензора, более распространённый в физической литературе, начинает с представления тензоров в компонентах. Тензор определяется как геометрический объект, который описывается многомерным массивом, то есть набором чисел, занумерованных несколькими индексами, или, иначе говоря, таблицей (вообще говоря, -мерной, где — валентность тензора (см. выше)).

Так вектор (тензор первого ранга) задаётся одномерным массивом (строкой или лучше — столбцом), а такие объекты как линейный оператор и квадратичная форма — двумерной матрицей. Скаляр же (тензор нулевого ранга) задаётся одним числом (которое можно рассматривать как нульмерный массив с единственным элементом). (Скаляры и векторы удобно рассматривать в качестве частных случаев тензоров, так как все тензорные определения и теоремы для них в силе и векторы со скалярами можно при общем рассмотрении не упоминать отдельно).

Вводятся тензорные операции, которые можно считать прямым обобщением матричных операций (умножение матриц между собой и с векторами), а также векторных операций, таких, как скалярное произведение. Эти операции, если исходить из современного (аксиоматического) определения, прямо вытекают из (поли-)линейности тензоров в этом определении, после разложения векторов, свёртываемых с тензорами, по базису векторного пространства, точно так же, как и матричные операции вытекают из линейности линейных операторов и билинейных форм, представлением каждого из которых в конкретном базисе является конкретная матрица.

С помощью этих операций тензоры связываются с такими фундаментальными геометрическими объектами, как векторы и скаляры, чем, в конечном счёте, определяется их геометрический смысл. Эти же операции связывают тензоры с матрицами преобразований координат (матрицами Якоби). Если речь идёт о тензорном анализе на (римановом или псевдоримановом, с которыми обычно имеют дело в классическом подходе, по крайней мере, на первом этапе) многообразии общего вида, все эти операции определяются обычно общековариантным способом (то есть способом, не зависящим от выбора криволинейных координат) с помощью метрического тензора.

Основными тензорными операциями являются сложение, в этом подходе сводящееся к покомпонентному сложению, аналогично векторам, и свёртка — с векторами, между собой и сами с собой, обобщающая матричное умножение, скалярное произведение векторов и взятие следа матрицы. Умножение тензора на число (на скаляр) можно при желании считать частным случаем свёртки, оно сводится к покомпонентному умножению.

Значения чисел в массиве, или компоненты тензора, зависят от системы координат, но при этом сам тензор, как геометрическая сущность, от них не зависит.

Под проявлениями этой геометрической сущности можно понимать много что: различные скалярные инварианты, симметричность/антисимметричность индексов, соотношения между тензорами и другое.

Например, скалярное произведение и длина векторов не меняется при поворотах осей, а метрический тензор всегда остаётся симметричным. Свёртки любых тензоров с самими собой и/или другими тензорами (в том числе векторами), если в результате не осталось ни одного индекса, являются скалярами, то есть инвариантами относительно замены координат: это общий способ построения скалярных инвариантов.

При замене системы координат компоненты тензора преобразуются по определённому линейному закону.

Зная компоненты тензора в одной координатной системе, всегда можно вычислить его компоненты в другой, если задана матрица преобразования координат. Таким образом, второй подход можно суммировать в виде формулы:

тензор = массив компонент + закон преобразования компонент при замене базиса

Следует заметить, что при этом подразумевается, что все тензоры (все тензоры над одним векторным пространством), независимо от их ранга (то есть и векторы в том числе), преобразуются через одну и ту же матрицу преобразования координат (и дуальную ей, если есть верхние и нижние индексы). Компоненты тензора, таким образом, преобразуются по тому же закону, что и соответствующие компоненты тензорного произведения векторов (в количестве, равном валентности тензора), учитывая ковариантность-контравариантность компонент.

Например, компоненты тензора

преобразуется так же, как компоненты тензорного произведения трёх векторов, то есть как произведение компонент этих векторов

Так как преобразование компонент вектора известно, то таким образом можно легко сформулировать простейший из вариантов классического определения тензора.

Примеры

Как следует из определения, компоненты тензора должны меняться определённым образом синхронно с компонентами векторов того пространства, на котором он определён, при преобразовании координат. Поэтому не любая табличка или величина с индексами, выглядящая как представление тензора, на самом деле представляет тензор.

Существуют объекты, которые не только похожи на тензоры, но для которых определены (и имеют разумный и корректный смысл) тензорные операции (свёртка с другими тензорами, в частности, с векторами), однако при этом тензорами не являющиеся:

Тензорные операции

Тензоры допускают следующие алгебраические операции:

Симметрии

В различного рода приложениях часто возникают тензоры с определённым свойством симметрии.

Симметричным по двум ко-(контра-)вариантным индексам называется тензор, который удовлетворяет следующему требованию:

Аналогично определяется косая симметрия (или антисимметричность):

Симметрия или антисимметрия не обязательно должна охватывать только соседние индексы, она может включать в себя любые индексы, учитывая, правда, следующее: симметрия или антисимметрия может относиться только к индексам одного сорта: ко- или контравариантным. Симметрии же, смешивающие ко- и контравариантные индексы тензоров, как правило, не имеют особого смысла, так как, даже если они наблюдаются в компонентах, то разрушаются при переходе к другому базису отнесения (то есть неинвариантны).

Впрочем, в присутствии метрического тензора, наличие операций поднятия или опускания индекса устраняет это неудобство, и ограничение этим по сути снимается, когда тензор представлен подходящим образом (так, например, тензор кривизны Римана антисимметричен по первым двум и последним двум индексам).

Эти определения естественным образом обобщаются на случай более чем двух индексов. При этом при любой перестановке индексов, по которым тензор является симметричным, его действие не изменяется, а при антисимметрии по индексам знак действия тензора изменяется на противоположный для нечётных перестановок (получаемых из начального расположения индексов нечётным числом транспозиций — перестановок двух индексов) и сохраняется для чётных.

Существуют и более сложные симметрии, например первое тождество Бьянки для тензора кривизны.

Тензоры в физике

В физике тензоры широко используются в теориях, обладающих геометрической природой (таких, как Общая теория относительности) или допускающих полную или значительную геометризацию (к таковым можно в значительной степени отнести практически все современные фундаментальные теории — электродинамика, релятивистская механика и т. д.), а также в теории анизотропных сред (которые могут быть анизотропны изначально, как кристаллы низкой симметрии, или вследствие своего движения или напряжений, как текущая жидкость или газ, или как деформированное твердое тело). Кроме того, тензоры широко используются в механике абсолютно твердого тела.

Линейные операторы квантовой механики, конечно, также могут быть интерпретированы как тензоры над некими абстрактными пространствами (пространствами состояний), но традиционно такое применение термина тензор практически не используется, как и вообще крайне редко используется для описания линейных операторов над бесконечномерными пространствами. Вообще в физике термин тензор имеет тенденцию применяться только к тензорам над обычным физическим 3-мерным пространством или 4-мерным пространством-временем, или, в крайнем случае, над наиболее простыми и прямыми обобщениями этих пространств, хотя принципиальная возможность применения его в более общих случаях остаётся.

Примерами тензоров в физике являются:

Нетрудно заметить, что большинство тензоров в физике (не рассматривая скаляров и векторов) имеют всего два индекса. Тензоры, имеющие большую валентность (такие, как тензор Римана в ОТО) встречаются, как правило, только в теориях, считающихся достаточно сложными, да и то нередко фигурируют в основном в виде своих свёрток меньшей валентности. Большинство симметрично или антисимметрично.

Простейшей иллюстрацией, позволяющей понять физический (и отчасти геометрический) смысл тензоров, а более точно — симметричных тензоров второго ранга, будет, вероятно, рассмотрение тензора (удельной) электропроводности . Интуитивно понятно, что анизотропная среда, например, кристалл, или даже какой-то специально изготовленный искусственный материал, не будет в общем случае проводить ток одинаково легко во всех направлениях (например, из-за формы и ориентации молекул, атомных слоев или каких-то надмолекулярных структур — можно представить себе, например, тонкие проволочки хорошо проводящего металла, одинаково ориентированные и вплавленные в плохо проводящую среду). Возьмем за основу для простоты и конкретности, последнюю модель (хорошо проводящие проволочки в плохо проводящей среде). Электропроводность вдоль проволочек будет большой, назовем ее , а поперек — маленькой, обозначим ее . (Ясно, что в общем случае (например, когда проволочки сплюснуты в сечении и эта сплюснутость также ориентирована у всех проволочек одинаково, электропроводность будет отличаться от , в случае же круглых равномерно распределенных проволочек — , но не равны ). Довольно нетривиальный в общем случае, но довольно очевидный в нашем примере, факт состоит в том, что найдутся три взаимно перпендикулярных направления, для которых связь вектора плотности тока и напряженности вызывающего его электрического поля будут связаны просто числовым множителем (в нашем примере — это направление вдоль проволочек, второе — вдоль их сплюснутости и третье перпендикулярное первым двум). Но любой вектор можно разложить на компоненты по этим удобным направлениям:

тогда можно для каждой компоненты записать:

И мы увидим, что для любого направления, не совпадающего с 1, 2 и 3, вектор уже не будет совпадать по направлению с , если только не равны хотя бы два из , и .

Переходя к произвольным декартовым координатам, не совпадающим с этими выделенными направлениями, мы вынуждены будем включить матрицу поворота для преобразования координат, и поэтому в произвольной системе координат соотношение между и будет выглядеть так:

то есть тензор электропроводности будет представлен симметричной матрицей .

Учитывая же то, что удельная мощность тепловыделения в проводнике равна скалярному произведению , нетрудно записать:

где — удельное сопротивление — матрица, обратная матрице . Так мы наглядно видим еще одно типичное использование симметричного тензора второго ранга в физике — как квадратичной формы, преобразующей вектор в скаляр.

Таким образом, мы получили (правда, говоря строго, только для случая симметричного тензора) хороший наглядный геометрический образ тензора, применимый в физике. Этот образ состоит из ортогонального базиса (называемого собственным базисом тензора или его собственными координатами), ориентированного в пространстве определенным образом (определяемым свойствами среды, порождающей тензор), и трех (для трехмерного пространства) чисел (коэффициентов), связанных каждое с одной из этих осей (называемых собственными числами или собственными значениями тензора), предназначенных для умножения на них соответствующих компонент вектора, чтобы получить компоненты вектора нового. Как видим, в частном случае умножение на тензор сводится к умножению на число (на скаляр).

Или, умножая квадраты этих компонент (компонент в собственном базисе тензора) вектора на собственные числа, и сложив их, получаем скаляр. Поверхности уровня такой квадратичной формы — эллипсоиды. Такой эллипсоид служит также хорошим геометрическим образом тензора. Направление его главных осей — дает собственный базис тензора, а их величины — определяют его собственные числа.

В алгебре же всё сказанное иллюстрирует понятия собственных векторов (собственного базиса) и собственных чисел линейного оператора, квадратичной формы или матрицы, а процесс нахождения собственного базиса и собственных чисел (называемый задачей на собственные значения) называется диагонализацией оператора, квадратичной (или билинейной) формы или матрицы (так как матрица, представляющая оператор или билинейную форму становится в этом базисе диагональной).

Источник